【68】自动化博士：果蝇眼睛里，长出了AI

作为当下最受瞩目、汇聚巨量资源的科技领域，人工智能吸引着无数渴求成功、财富与声望的人。然而，真正能站在前沿、推动突破的，往往并非那些伺机而动的追风者，而是在各自领域深耕多年、最终与浪潮交汇的研究者。

本期嘉宾宋卓异便是这样一位。在她读电气工程本科、自动化硕士的时候，在她博士阶段被迫转向神经生物学的时候，甚至在她与DeepMind创始人Demis Hassabis同处UCL Gatsby计算神经科学部的时候，她都未曾想过自己的专业会和AI产生什么关联。直到近几年与科技巨头的合作，才让她猛然意识到，原来过去二十年的跨学科研究，竟是在铺就一条通往类脑智能的求索之路。

本期节目中，宋博士会科普一系列硬核知识：自动化与反馈控制的核心思想、黑箱系统与白箱系统的差异与意义、如何在电脑里搭建一个“虚拟细胞”，以及AI研究的不同路径。她也会分享作为女性在工科领域摸爬滚打的真实经历，以及她未来最想实现的突破与成就。在她看来，最重要的莫过于fearless——做自己想做的事，承担选择的结果，无怨无悔。

本期嘉宾

宋卓异，英国谢菲尔德大学自动控制与生物医学科学博士，现任职于深圳河套学院，专业方向为脑启发人工智能与计算神经科学的交叉领域，目前专注于构建生物视觉系统的计算模型。

知识点

自动化

自动化是指机器、设备或系统在没有人或较少人直接参与的情况下，按预定的程序或指令自动进行操作或控制的过程。其技术核心是形成“感知-决策-执行”的闭环：通过传感器等装置获取信息（输入），经由控制器或预设逻辑进行分析判断（处理），最后由执行机构完成相应动作（输出）。其根本目的是替代人类的重复性劳动、提高生产效率、保证操作精度和降低安全风险。现代自动化正从基于固定规则的机械执行，向融合人工智能的自主决策方向演进，但本质上它始终是人类意志与能力的延伸工具。

黑箱/白箱

黑箱（Black Box）指那些内部运行机制对观察者不可见或不透明的系统。在自动化领域，观察者只需关注系统的输入（给予什么指令或数据）和输出（得到什么结果或动作），而无需理解内部复杂的运算逻辑或物理过程。例如，当你使用自动驾驶的“跟车模式”时，你踩下油门（输入），车子自动保持距离（输出），但车载芯片内部的神经网络如何决策，对你而言就是一个黑箱。

白箱（White Box / Glass Box）指内部结构、逻辑和原理完全透明、可被理解的系统。观察者不仅知道输入和输出，还能清晰审视其内部的运行规则、算法代码或物理构造。例如，传统的工业机械臂按照你编写的“如果A则B”的PLC代码执行动作，每一步都可追溯、可解释，这就是白箱。

黑箱和白箱核心差异与意义：两者的本质区别在于透明度的不同。传统自动化多追求“白箱”以确保安全与可控，而AI驱动的现代自动化则常引入“黑箱”以换取高性能。这对矛盾提出了新课题：如何在依赖黑箱强大能力的同时，通过“可解释AI”等手段，尽可能向“灰箱”靠拢，以满足关键领域的合规与信任需求。